Skip to main content
 首页 » 编程设计

python之一维不规则网格到一维规则网格

2024年11月01日11mate10pro

我想将一维数组中的值从不规则网格插入到规则网格。例如,假设原始数据在不规则间隔的 X 坐标处具有值:

source_x = np.asarray([127.3, 759.4, 1239.1, ..., 98430.1]) 
source_y = whatever(x) # No really a function but a set of masurements 

目标网格也是一维的,但 X 坐标沿轴规则间隔:

dest_x = np.arange(250, 100000, 500) 

我想为目标 dest_x 坐标数组中的每个点找到原始 source_x 坐标数组中最近的两个元素的距离和索引。例如:

dest_x[0] = 250 
indices = [0, 1] 
distances = [250-127.3, 759.4-250] 

如果可能的话,这应该作为一个原子操作来完成。

我的第一个想法是使用 scipy.spatial.KDTree,但这不允许一维数据。还有其他选择吗?

编辑

有一个“丑陋的”选项涉及零的“虚拟”坐标,它允许使用 scipy.spatial.KDTree:

source_x = np.asarray([127.3, 759.4, 1239.1, ..., 98430.1]) 
source_dummy = np.zeros_like(source_x) 
 
dest_x = np.arange(250, 100000, 500) 
dest_dummy = np.zeros_like(dest_x) 
 
src = np.vstack((source_x, source_dummy)).T 
dst = np.vstack((dest_x, dest_dummy)).T 
 
tree = KDTree(src) 
distances, indices = tree.query(dst, 2) 

但是,我不太喜欢这种方法......

请您参考如下方法:

对于线性插值,只需使用 numpy.interp()。如果您需要索引本身,请使用 numpy.searchsorted()。唯一棘手的一点是处理超出数据范围的网格值。有了索引后,距离很容易计算。